关于机器人写稿，被传闻“哭晕”在厕所的记者们有话要说

机器人记者25秒写出540字地震消息稿的消息一出，就收到了来自几位朋友转来的消息。

显然，25秒的出稿速度已经严重威胁到了星球君的饭碗，当星球君还身处新闻的惊愕中正要打开电脑时，机器人已经跑完了从数据采集、数据加工判断、自动写稿的全过程。

难道，星球君的工作就要不保了吗？！

记者要失业啦！写稿机器人上线、机器人写稿传统记者的末日？、机器人逆袭写稿记者恐失业、机器人写稿，记者们‘哭晕’在厕所这是当前媒体们在提到机器人写稿这类新闻时最常用的几大标题。

机器人写新闻真的会让记者们因害怕失业而感到恐慌吗？

"知道机器人会代替写新闻，但不会这么快啊，人工智能目前是辅助人类工作，不能完全替代。

不恐慌，机器人不会讲故事。

人有思想和创造力，并不是所有的新闻机器人都能写。而且机器人也不会采访啊，一些细腻的东西还是需要人去发现。它能促进记者更好地发展自己，提高工作效率，不必为一些繁琐的事情浪费时间，我觉得，任何时候，它都是一个行业的辅助器。

风口在下个世纪。

还好吧，能代替的都是重复性的新闻而已。就像文学创作一样，有些报道，至少目前是没办法替代的，比如西龙老师（为求证新闻事实）蹲点派出所。

这是星球君访问的几位资深科技媒体记者，没有人因惶恐失业哭晕在厕所，相反，倒是冷静得很像实力派。

事实上，机器人写稿的新闻早就见怪不怪了。StatsMonkey是世界上最早操作新闻的人工智能软件，它2009年就完成了美国职业棒球大联盟季后赛第一篇机器人稿件的撰写。

2015年开始，《纽约时报》Blossom、《华盛顿邮报》TruthTeller、《洛杉矶时报》智能内嵌模版、《卫报》Open001、路透社的OpenCalais、美联社的Wordsmith六家国际顶级媒体分别有了各自的机器人服务系统。

让我们来看看这几大机器人系统的应用成果，以美联社Wordsmith为例，其AI系统能够在上市公司公布业绩后，仅0.3秒就可以发布一篇盈利报道，而0.3秒的时间，其他新闻媒体的记者恐怕连标题首个单词都还没有写完。

此外，在使用Wordsmith之后，美联社每季度可以出3000家公司财报，虽然其中仍有120篇需要人力更新或添加独立的后续报道，但显然，它替人类编辑承担了绝大多数的工作量。

《纽约时报》Blossom，它与Wordsmith还不太一样，主要职责并不是写文章，而是辅助编辑挑选出当日潜在热文，往社交网站等平台进行针对性推送。目前，《纽约时报》通过Blossom能推送300篇文章。而它挑选的文章平均阅读量是普通文章的38倍，且每天能够工作24小时不间断。

在国内，腾讯于2015年8月率先推出了写作机器人Dreamwriter。这位由腾讯财经开发的自动化新闻写作机器人，能够根据算法在第一时间自动生成稿件，瞬时输出分析和研判，一分钟内将重要资讯和解读送达用户。

以下就是在Dreamwriter写的一篇2015年8月CPI材料的新闻，摘取一小段：

文中除了列出CPI详细数值外，还引入了多位分析师的观点。从抓取资料到成稿发布，前后仅花了一分钟。

同年11月，新华社也带来了快笔小新写稿机器人，主要供职于新华社体育部、经济信息部和中国证券报，写体育赛事的中、英文稿件和财经信息稿件为主。

紧跟着，今日头条xiaomingbot、第一财经DT稿王、百度度秘解说相继介入人类编辑的日常工作。

其中，张小明（xiaomingbot）机器人在里约奥运会后的13天内，共撰写了457篇关于羽毛球、乒乓球、网球的消息简讯和赛事报道，每天30篇以上。不仅囊括了从小组赛到决赛的所有赛事，而且发稿速度之快几乎与电视直播同步。

从写作形式和内容丰富度来看，机器人写出来的新闻在语法上和人类并无区别。甚至，张小明还能模仿人类的语气，使用如实力不俗、笑到了最后等生动的表达。

DT稿王则是在阿里巴巴战略入股第一财经后，双方共同酝酿、联合推出的一款写稿系统，主要以股市异动为新闻切入点，报道更新更加频繁。平均每天需要发布1900篇公告，这是一位资深证劵编辑100个小时才能完成的任务。

百度度秘解说则参与了里约奥运会篮球比赛的文字直播解说。杜兰特3分出手，空心入网，这球没法打了。阿联上篮，被乔治犯规了！斗胆一猜吧，今天男篮的小伙子最多输40分！打得非常棒！加油！都出自度秘。

或许你已经看出来了，机器人写稿主要在体育、财经、天气预报等垂直化领域，因为这类文章普遍文本信息少、数据信息多，更新更频繁，往往每天需要滚动成千上万条信息。

因此，江湖传闻的写稿机器人并不是说它本身有多高明，KUKA机器人电路板维修，而是在于其新闻生产可以不依赖于现场采访获取素材然后写成稿件，主要是通过对现有数据、资料，快速搜集加工编制而成。

这对大脑有时短路、百忙中难免出错的人类编辑来说，无异于是种解放。而在这些消息上使用机器人写作，记者也可以从疲于奔命式的抢新闻中解脱出来，对事件背后的新闻线索进行更多深入的挖掘和思考，投入更多深度报道。

可以这么说，新闻机器人所能做的只是在现有数据库的支持下，对文章进行词汇和语句的抓取，然后进行排列组合，就好像在做一个复杂的填字游戏，但其对文章的深度理解能力还远远不能和人类相提并论。

有趣的是，在张小明关于奥运会男乒半决赛的一篇报道中，它写道：绝望之际，失败女神朝其抛出了橄榄枝。显然，机器人没能领会橄榄枝在自然语言中的含义。

人工智能系统在进行新闻创作时需要解决非常多的技术难题，包括自然语言处理中的自动摘要、文本分类等，还有知识库和知识发现（KDD）等相关技术，工业机器人维修，比如实体定义、关系抽取、问答系统等。

简单来说，就是机器首先需要理解自然语言，然后通过知识管理弄明白新闻中各个要素（各类知识）之间的关系。当然，随着机器学习能力的提高，这种低级错误也是可以避免的。

在头条实验室负责人李磊博士看来，张小明最大的意义在于，面对奥运会这样同时举行上百场比赛的综合赛事，记者很难关注到每一场比赛，而机器人可以任劳任怨的为每一场比赛报道，无论这场比赛多么冷门和不重要。传统新闻理论并不认为这些冷门比赛或者热门比赛（比如乒乓球）的前几轮小组赛有新闻价值，可是通过我们的平台测试，我们发现对冷门场次的报道任然有可观的阅读量。

随着AI技术在新闻领域的参与程度越来越高，其是否会造成失业问题的争论也愈演愈烈（当然，星球君比大家更关注这个话题）。

牛津大学此前就发布了一篇报告称，未来47%的工作岗位将最终被自动化。但是，工作被取代，并不意味着劳动者将失去工作，就好像曾经汽车的出现取代了马车夫和马童，但同时也创造了更多修建高速公路和服务加油站的工作。